llama.cpp / Ollama / GGUF 量化 本地跑通了，说点实在的（入门扫盲）

这个问题被问了太多次，统一回复一下。先从我最近的一段经历说起。 「新手科普」写给刚入门的朋友，老手可以跳过。 查了下公开资料：llama.cpp / Ollama / GGUF 量化 出自ggml-org / Ollama，持续维护，2026 年仍是本地推理主流方案 与大家见面，GGUF 量化位宽 2-8 bit；Q4_K_M 约 4.5bit，7B 模型约 4.1GB，使用MIT（llama.cpp）授权。 本地跑起来的话，Q4_K_M 约为 FP16 的 1/4；-ngl 控制 GPU 卸载层数；kv-cache q4 缓存量化后 8GB 显存可跑 64K 上下文。 从安全工程师的角度看，实用价值是第一考量。补充几个硬信息：Q4_K_M 是速度/精度甜点；llama-server 提供 OpenAI 兼容 API；Ollama 一条 ollama run qwen3:8b 即起。 欢迎持不同意见的朋友理性讨论。故事讲完了，你的版本呢？